基于ARM的金属氧化物避雷器在线监测系统设计与实现

针对现有金属氧化物避雷器在线监测系统抗干扰能力差,数据处理不准确,工作不稳定等诸多问题,设计了基于ARM控制芯片和ZigBee技术的MOA在线监测系统,给出了系统的整体设计方案,完成了信号采样、调理单元和ARM终端的设计.采用有线和无线通讯相结合的方式进行通讯,采取屏蔽、接地和隔离等措施进行抗干扰处理.进行了系统主程序、工况辨识子程序、信号采集与分析子程序和通讯子程序等软件设计,采用组态软件技术设计了系统的上位机软件.对数字滤波、FFT变换和基波电流峰值的提取等进行了仿真分析,仿真结果验证了系统的可行性和有效性.     

关于无间隙金属氧化物避雷器的在线技术的探讨

本文通过对目前MOA带电测量优缺点的分析,总结探讨了更加测量准确、更科学的新测试方式,即通过观察监测三相MOA的3Io的变化,准确判断运行MOA的绝缘状况。     

电动机在线监测和缺陷诊断技术

电动机在线监测和缺陷诊断技术可以检测出电动机的潜伏性缺陷，对分析电动机劣化趋势，发现前期缺陷，保障电动机安全经济运行，实现状态检修，有着深远的意义。本文详细介绍电动机在线监测和缺陷诊断技术的发展、功能、工作过程和实施方法。     

中压系统避雷器的参数选择及安装距离分析

针对目前因避雷器选型或安装位置不当引起的雷电过电压损坏电器设备的问题,提出了金属氧化物避雷器选型时主要参数的选择方法,并具体分析了其在系统中的安装位置,然后通过实例详细地阐述了避雷器的选型及安装距离确定,为用户提供了可直接使用的选择依据。     

基于密度优化的KNN算法的研究

通过对样本网页文本的影响因子特征提取,构建向量空间模型,同时利用OPTICS算法密度无关性,改进了KNN算法.实验表明,该算法增强了结果的稳定性,并产生质量较高的聚类结果.     

应用特征聚合进行中文文本分类的改进KNN算法

针对以KNN为代表的VSM模型存在的向量各特征项孤立处理问题 ,提出了一种应用特征聚合方式的改进算法·该算法通过CHI概率统计计算文本特征词对分类的贡献 ,将对分类有相同贡献的文本特征词聚合 ,使用它们共同的分类贡献模式代替传统算法中单个词对应向量一维的方式·该算法提高了稀有词对分类的贡献、强化了关联词的分类效果、并降低了文本向量的维数·与传统KNN算法进行的对比实验证明 ,该算法明显提高了分类的准确率和召回率     

改进氧化锌避雷器实时在线监测表的设想

在不改变原避雷器在线监测装置原理的前提下,提出了一种切实可行的测量避雷器泄漏电流及记录避雷器放电次数的方法,从采样电路的设计到实用化均作详细的考虑,并在实验室研制成功了样机。     

基于BP改进的KNN算法在北京密云土地覆盖分类中的应用

针对k近邻(k-nearest neighbor,KNN)算法在土地覆盖分类中存在将山体阴影覆盖下植被误分成水体的问题,提出改进的KNN算法。改进算法充分利用神经网络能有效区分山体阴影覆盖下植被和水体的特性,实现BP神经网络与KNN算法的融合,整体提高了北京市密云区土地覆盖分类精度。实验结果表明:相对于支持向量机(support vector machine,SVM)、随机森林、BP神经网络和KNN算法,改进算法分类精度最高,达到了95.20%,分类精度比未改进KNN算法提高了6.43%。改进算法的Kappa系数在对比算法中也是最高的,达到0.93。此外,实验结果也表明改进算法可应用于中分辨率遥感图像分类中。     

基于PSO和KNN的网页智能分类算法

随着Internet技术的不断发展,Web信息不断的变化和增长.为有效查找用户所需要的信息,需将传统的信息检索向Web信息检索方向发展.如果预先对网页文本进行分类,则面对用户的检索需求就可以在相应的类别中进行查找,这样大大提高了检索的效率.文章通过对网页进行预处理,中文分词,特征提取,再使用KNN分类算法对网页进行智能分类,并采用了PSO算法快速寻找K近邻.实验结果表明:该方法不仅减少了网页分类时间,准确率、召回率和F1标准也明显提高,有效地提高了网页智能分类的效率.     

一种改进的PCB板缺陷检测分割算法

针对PCB板缺陷检测分割中存在分割效果差、运行速度慢以及适用范围小的问题,提出一种改进的基于遗传算法的二维最大类间方差法的快速迭代算法。首先利用改进的遗传算法来确定分割中的最优阈值,再将这个最优阈值应用到二维最大类间方差法快速迭代算法中来确定最终的阈值最优解,从而完成分割。仿真实验表明,该算法分割的PCB图像,更加接近于人工标注的结果,最终的精度和Kappa系数达到了98.68%和0.9706。具有广泛的应用前景。     

基于改进Gauss-Newton法的在役桥梁结构参数识别

针对在役桥梁结构静力参数识别中识别参数初始值难以确定的特点,提出了改进Gauss-Newton法.先对在迭代矩阵中增加一个阻尼项以防止迭代矩阵出现奇异的方法进行初步识别,再将初步识别结果作为Gauss-Newton（G-N）法的初始值进行再识别,从而既克服了G-N法对初始值要求苛刻的缺点,又保持了G-N法识别精度高的优点.模拟试验结果表明,该方法既能有效处理奇异和非正定矩阵,消除由于初始估计值偏离真值过大而造成识别结果发散的困扰,又能大大提高识别精度,从而保证了在役桥梁结构参数识别结果的可靠性.     

激光切割路径优化的双重编码改进遗传算法

针对激光切割路径优化的特点,将其归纳为旅行商问题,并利用改进遗传算法进行求解。为使优化更具实际意义,建立了考虑时间距离和热效应的多目标优化数学模型。改进的遗传算法采用双重编码对轮廓扫描顺序和各轮廓的起始点同时进行优化。在编码设计时,被切割件除考虑多边形情况外还考虑到圆及椭圆的情况,通过构建的适应函数将多目标函数转化为单目标优化问题,同时为提高算法的优化性能,适应函数采用动态控制,并改进了交叉与变异操作。仿真结果表明,该算法能有效地对激光切割路径进行优化。     

改进GA-PSO算法的船舶电力系统故障诊断

为解决船舶电力系统故障识别的准确性以及快速性问题,在BP神经网络预测的基础上,提出一种改进的粒子群(PSO)和遗传算法(GA)混合优化BP神经网络的方法。改进包括两方面：一是对粒子群的惯性权重和学习因子进行改进;二是对遗传算法的变异概率和交叉概率进行改进。对发生故障时的三相电压信号进行小波包分解,提取各频率段的能量熵作为故障特征。经测试,优化后的算法诊断准确率明显提高,神经网络训练次数和误差减小,验证了改进GA-PSO-BP算法的可靠性,以及用于船舶电力系统故障诊断的实用性。     

实验模态数据修正计算模型的改进拉直算法

针对实验模态数据修正计算模型拉直算法存在的缺陷,提出了一种改进拉直算法:首先通过拉直方法,把待修正的质量和刚度矩阵的方程变为线性方程;然后把位于质量和刚度矩阵带状内的元素限制在给定范围内,并运用优化和迭代方法确定修正模型.该算法还考虑了带状矩阵内存在部分值为0的情况.实例计算结果表明,采用改进拉直算法,可以缩小修正模型质量阵和刚度阵与原模型质量阵和刚度阵之间的差别,使修正模型更符合实际,精度也很高.     

基于改进型密度峰值算法的电力负荷聚类分析

在海量异质灵活资源参与含高比例新能源电网的运行调节背景下,针对用户用电特性分析的准确性、鲁棒性、计算效率的高要求问题,提出了一种基于特征指标完善和改进型密度峰值算法的电力负荷聚类分析方法。首先,通过提取9个完备的特征指标进行指标降维和完善以代替日负荷曲线组成的功率向量作为聚类输入;其次,采用熵权法对各项特征指标赋予权重保证负荷曲线的形态特征;最后,采用一种改进型密度峰值聚类算法对日负荷进行聚类分析。基于某地区实际负荷数据进行算例分析,结果表明,所提方法在鲁棒性、聚类质量等方面相比于传统电力负荷聚类算法均具有优越性,聚类结果能真实有效地反映用户的实际用电特性,为制定精准的电力用户画像、需求侧响应策略提供了态势感知基础。     

基于改进引力搜索算法的励磁控制PID参数优化

在引力搜索算法（GSA）基础上,结合PSO算法中粒子的运动特点,提出了改进引力搜索算法（IGSA）,并将其应用到励磁控制系统PID参数优化．IGSA嵌入了引力搜索和粒子群搜索,使其在保留引力搜索特点的前提下增加了信息共享及记忆能力,进一步提高了搜索能力．定义了同时考虑ITAE指标和超调量指标的加权目标函数,提出了基于混沌引力搜索的参数优化策略．将IGSA与传统群体优化算法进行了充分对比试验,验证了提出的励磁控制系统PID参数优化方法的有效性．     

微波多普勒雷达海浪参数提取算法

根据海浪混合表面散射理论和线性波理论,利用3种规模波对微波多普勒谱的不同贡献,推导出海浪谱与径向速度转换函数,得到了一种适用于多普勒雷达的海浪谱以及海浪参数提取算法．该算法从海洋回波的多普勒谱中获取径向速度序列,根据海浪速度谱与海浪谱之间的转换关系推导海浪谱,再用谱矩法计算相应的海浪参数．运用该算法分别对微波多普勒谱雷达的模拟与实测数据进行处理,实现了有效浪高和平均海浪周期的高精度提取,证实了该算法在微波段多普勒雷达的海浪参数反演中的准确性．     

非平稳信号分析在断路器故障诊断中的应用

介绍两种非平稳信号的分析建模的算法，即Ｗｉｇｎｅｒ 方法和时域衰减振荡模型方法，并将它们应用在高压断路器的操作振动分析上，从而建立模型、萃取特征参数、辨识结构状态，为断路器操作系统的故障诊断提供有用手段。Ｗｉｇｎｅｒ 算法能获得形象的信号时域及频域特征，而模型参数方法则更适合于定量的判断识别。     

采用IEWT-SAE算法的配电变压器故障诊断方法

为识别配电变压器运行过程中存在的潜伏性故障,提出一种基于改进经验小波变换(improve empirical wavelet transform, IEWT)及堆栈自编码器(stacked auto-encoder, SAE)的故障诊断新方法。首先,利用顺序统计滤波（order statistic filter, OSF）包络法来改进EWT对振动信号进行分解,得到一组经验小波分量并计算其与原始信号之间的K-L散度值,以剔除干扰分量;然后选取K-L散度值低的前n个（实际取3）经验小波分量作为SAE的输入数据,进行特征的自适应提取,并使用Softmax分类器完成故障诊断。为克服人工选取SAE参数带来的结果差、效率低等问题,在SAE训练过程中引入樽海鞘群算法(salp swarm algorithm, SSA)实现预训练学习率和微调学习率的自动寻优。最后在10kV油浸式变压器上搭建数据采集平台进行故障模拟及分类测试。实验结果表明,所提方法的分类精度达到99.5%,在面对强噪声干扰时亦具有较高的识别成功率。经测试发现其在识别准确率及诊断时间上均优于对比方法。